Utilização do bot RepLai

de 2021 a 2023

Autor

Talita Lôbo

Data de Publicação

10.mai.2023

Data de Modificação

10.mai.2023

Código

library(tidyverse)
library(here)
library(DT)
library(plotly)
library(tidylog)
library(tidyr)

source(here("src/00-plot-aesthetics.R"), encoding = "utf-8")
options(scipen = 9999)

Resumo

Neste relatório iremos analisar o histórico de uso do chatbot desenvolvido para o projeto Achados e Pedidos, o RepLai.

Principais resultados:

O uso do bot caiu consideravelmente em seu segundo ano de existência
O período entre outubro e novembro de 2021 teve o maior número de usuários ativos e também o maior pico de mensagens trocadas entre bot e usuários
Os 2 usuários mais frequentes utilizaram o bot por cerca de 1 ano

Análise

Dicionário de Dados

O dicionário de dados está disponível abaixo:

Bot: Indicador do bot analisado
Canal: Canal pelo qual as mensagens foram trafegadas nas interações com os usuários
Data: Data em que os dados foram coletados
Ano_Mes: Ano-Mês em que os dados foram coletados
Primeira_Data: Primeira data no período selecionado para a qual foram registradas mensagens dentro do bot/canal
Ultima_Data: Ultima data no período selecionado para a qual foram registradas mensagens dentro do bot/canal
UsuariosAtivos: Volume de usuários ativos registrados (MAUs/DAUs)
UsuariosEngajados: Volume de usuários engajados registrados (MEUs/DEUs)
Mensagens_Enviadas_Bot: Quantidade de total de mensagens enviadas pelo bot na plataforma
Mensagens_Enviadas_Usuarios: Quantidade de total de mensagens enviadas pelo usuário para o bot
Mensagens_Enviadas_Total: Quantidade de total de mensagens trafegadas no bot
Com_Testers: Indica se os cálculos foram realizados incluindo os usuários de teste true(verdadeiro) ou não false (falso)

Código

acumulado_2020_2021 <- read_csv(here("data/bot81_Users_Acumulados_Total_2020-12-01_2021-12-31.csv"))
acumulado_2022_2023 <- read_csv(here("data/bot81_Users_Acumulados_Total_2022-01-01_2023-01-16.csv"))

usuarios_acumulado <- rbind(acumulado_2020_2021, acumulado_2022_2023)
rm(acumulado_2020_2021, acumulado_2022_2023)


detalhamento_2020_2021 <- read_csv(here("data/bot81_Users_Acumulados_Detalhamento_2020-12-10_2021-12-31.csv"))
detalhamento_2022_2023 <- read_csv(here("data/bot81_Users_Acumulados_Detalhamento_2022-01-01_2023-01-16.csv"))

detalhamento <- rbind(detalhamento_2020_2021, detalhamento_2022_2023)
rm(detalhamento_2020_2021, detalhamento_2022_2023)

Dispomos do acumulado de interações por mês e ano:

Código

usuarios_acumulado %>% 
  datatable(rownames = FALSE,
            filter = "top",
            escape = FALSE,
            options = list(pageLength = 3, searchHighlight = TRUE))

E também do detalhamento de interações por usuário:

Código

detalhamento %>% 
  datatable(rownames = FALSE,
            filter = "top",
            escape = FALSE,
            options = list(pageLength = 3, searchHighlight = TRUE))

Pré-processamento:

Remoção de dados referentes a interações teste.

Código

usuarios_acumulado <- usuarios_acumulado %>% 
  filter(Com_Testers != "TRUE") %>% 
  mutate(Primeira_Data = as.Date(Primeira_Data)) %>% 
  rowwise() %>% 
  mutate(ano = str_split(Ano_Mes, "-")[[1]][1])

detalhamento <- detalhamento %>% 
  filter(Usuario_Tester != "TRUE") %>% 
  mutate(Primeira_Data = as.Date(Primeira_Data))

Interações Acumuladas

Código

usuarios_acumulado %>% 
  group_by(ano) %>% 
  summarise(TotalMensagens = sum(Mensagens_Enviadas_Total)) %>%
  ggplot(aes(ano, TotalMensagens)) +
    geom_bar(stat = "identity") +
  labs(title = "Total de Mensagens Trocadas",
       subtitle = "por ano",
       caption = "Fonte: BLIP")

Código

act_users <- usuarios_acumulado %>% 
  ggplot(aes(x = Primeira_Data, UsuariosAtivos)) +
  geom_line() +
  labs(x = "Data Primeira Interação", y = "",
       title = "Usuários Ativos ao longo dos anos",
       subtitle = "2020 a 2023",
       caption = "Fonte: BLIP")

ggplotly(act_users)

No dado repassado pela BLIP, o número de Usuários Ativos é igual ao número de Usuários Engajados.

Código

mensagens_enviadas <- gather(usuarios_acumulado %>% 
                               select(Primeira_Data, Mensagens_Enviadas_Bot, 
                                      Mensagens_Enviadas_Usuarios, Mensagens_Enviadas_Total),
                             "Tipo", "value", -Primeira_Data)

Código

total_messages <- ggplot(mensagens_enviadas, aes(Primeira_Data, value, colour = Tipo)) +
  geom_line() +
  labs(x = "Data Primeira Interação", y = "",
       title = "Mensagens Enviadas pelo RepLai",
       subtitle = "Total entre 2020 a 2023",
       caption = "Fonte: BLIP") +
  theme(legend.position = "bottom")

total_messages

Código

ggplotly(total_messages)

Interações por usuário

Código

usuarios_frequentes <- detalhamento %>% 
  group_by(ID_do_Usuário) %>% 
  summarise(quantidade_interacoes = n()) 

usuarios_frequentes %>% 
  arrange(-quantidade_interacoes) %>% 
  datatable(rownames = FALSE,
            filter = "top",
            escape = FALSE,
            options = list(pageLength = 10, searchHighlight = TRUE))

O usuário mais frequente, com 15 momentos de interação com o bot nos anos analisados é Jonas (5521988528375) :P
O número 5511993717191 pertence a Marina e o 5511972430693 a Juliana

Removendo essas interações, restam:

Código

usuarios_frequentes %>% 
  filter(ID_do_Usuário != "5521988528375" &
           ID_do_Usuário != "5511993717191" &
           ID_do_Usuário != "5511972430693") %>% 
  arrange(-quantidade_interacoes) %>% 
  datatable(rownames = FALSE,
            filter = "top",
            escape = FALSE,
            options = list(pageLength = 10, searchHighlight = TRUE))

Assim, usuário mais frequente em número de interações entre 2020 e 2023 com o repLai é 5511999197879.

Filtrando as interações desse usuário específico:

Código

top1_user <- detalhamento %>% 
  filter(ID_do_Usuário == "5511999197879") %>% 
  ggplot(aes(x = Primeira_Data, Mensagens_Enviadas_Total)) +
  geom_line() +
  labs(x = "Data Primeira Interação", y = "",
       title = "Total de Mensagens - Usuário 5511999197879",
       subtitle = "Total enter 2020 a 2023",
       caption = "Fonte: BLIP")

ggplotly(top1_user)

E também do segundo mais frequente:

Código

top2_user <- detalhamento %>% 
  filter(ID_do_Usuário == "5521976651022") %>% 
  ggplot(aes(x = Primeira_Data, Mensagens_Enviadas_Total)) +
  geom_line() +
  labs(x = "Data Primeira Interação", y = "",
       title = "Total de Mensagens - Usuário 5521976651022",
       subtitle = "Total enter 2020 a 2023",
       caption = "Fonte: BLIP")

ggplotly(top2_user)

Nota

Elementos de alguns gráficos foram suprimidos (subtítulo, caption) em detrimento do uso de interatividade.

Referências

Os dados utilizados nesta análise foram enviados pela Take BLIP através de solicitação no suporte ao cliente e estão disponíveis neste link.

--- title: "Utilização do bot RepLai" subtitle: "de 2021 a 2023" author: "Talita Lôbo" date: "today" date-format: "D.MMM.YYYY" date-modified: "last-modified" lang: pt-BR format: html: html-math-method: katex css: style.css anchor-sections: true code-fold: true code-tools: true code-link: true code-line-numbers: true code-background: false code-summary: "Código" toc: true toc-title: "Índice" toc-depth: 4 toc-float: false toc-collapsed: false footnotes-hover: true smooth-scroll: true fig-width: 11 fig-height: 7 search: true embed-resources: true theme: light: cosmo dark: darkly knitr: opts_chunk: echo: true collapse: true message: false warning: false comment: "#>" editor_options: chunk_output_type: console execute: cache: false --- ```{r} #| label: libs-and-sources library(tidyverse) library(here) library(DT) library(plotly) library(tidylog) library(tidyr) source(here("src/00-plot-aesthetics.R"), encoding = "utf-8") options(scipen = 9999) ``` ## Resumo Neste relatório iremos analisar o histórico de uso do chatbot desenvolvido para o projeto *Achados e Pedidos*, o *RepLai*. Principais resultados: - O uso do bot caiu consideravelmente em seu segundo ano de existência - O período entre outubro e novembro de 2021 teve o maior número de usuários ativos e também o maior pico de mensagens trocadas entre bot e usuários - Os 2 usuários mais frequentes utilizaram o bot por cerca de 1 ano ## Análise ### Dicionário de Dados O dicionário de dados está disponível abaixo: - Bot: Indicador do bot analisado - Canal: Canal pelo qual as mensagens foram trafegadas nas interações com os usuários - Data: Data em que os dados foram coletados - Ano_Mes: Ano-Mês em que os dados foram coletados - Primeira_Data: Primeira data no período selecionado para a qual foram registradas mensagens dentro do bot/canal - Ultima_Data: Ultima data no período selecionado para a qual foram registradas mensagens dentro do bot/canal - UsuariosAtivos: Volume de usuários ativos registrados (MAUs/DAUs) - UsuariosEngajados: Volume de usuários engajados registrados (MEUs/DEUs) - Mensagens_Enviadas_Bot: Quantidade de total de mensagens enviadas pelo bot na plataforma - Mensagens_Enviadas_Usuarios: Quantidade de total de mensagens enviadas pelo usuário para o bot - Mensagens_Enviadas_Total: Quantidade de total de mensagens trafegadas no bot - Com_Testers: Indica se os cálculos foram realizados incluindo os usuários de teste true(verdadeiro) ou não false (falso) ```{r} #| label: print-dataset acumulado_2020_2021 <- read_csv(here("data/bot81_Users_Acumulados_Total_2020-12-01_2021-12-31.csv")) acumulado_2022_2023 <- read_csv(here("data/bot81_Users_Acumulados_Total_2022-01-01_2023-01-16.csv")) usuarios_acumulado <- rbind(acumulado_2020_2021, acumulado_2022_2023) rm(acumulado_2020_2021, acumulado_2022_2023) detalhamento_2020_2021 <- read_csv(here("data/bot81_Users_Acumulados_Detalhamento_2020-12-10_2021-12-31.csv")) detalhamento_2022_2023 <- read_csv(here("data/bot81_Users_Acumulados_Detalhamento_2022-01-01_2023-01-16.csv")) detalhamento <- rbind(detalhamento_2020_2021, detalhamento_2022_2023) rm(detalhamento_2020_2021, detalhamento_2022_2023) ``` Dispomos do acumulado de interações por mês e ano: ```{r} usuarios_acumulado %>% datatable(rownames = FALSE, filter = "top", escape = FALSE, options = list(pageLength = 3, searchHighlight = TRUE)) ``` E também do detalhamento de interações por usuário: ```{r} detalhamento %>% datatable(rownames = FALSE, filter = "top", escape = FALSE, options = list(pageLength = 3, searchHighlight = TRUE)) ``` Pré-processamento: * Remoção de dados referentes a interações teste. ```{r} usuarios_acumulado <- usuarios_acumulado %>% filter(Com_Testers != "TRUE") %>% mutate(Primeira_Data = as.Date(Primeira_Data)) %>% rowwise() %>% mutate(ano = str_split(Ano_Mes, "-")[[1]][1]) detalhamento <- detalhamento %>% filter(Usuario_Tester != "TRUE") %>% mutate(Primeira_Data = as.Date(Primeira_Data)) ``` ### Interações Acumuladas ```{r} #| label: plot-mensagensano usuarios_acumulado %>% group_by(ano) %>% summarise(TotalMensagens = sum(Mensagens_Enviadas_Total)) %>% ggplot(aes(ano, TotalMensagens)) + geom_bar(stat = "identity") + labs(title = "Total de Mensagens Trocadas", subtitle = "por ano", caption = "Fonte: BLIP") ``` ```{r} #| label: plot-usuariosativos act_users <- usuarios_acumulado %>% ggplot(aes(x = Primeira_Data, UsuariosAtivos)) + geom_line() + labs(x = "Data Primeira Interação", y = "", title = "Usuários Ativos ao longo dos anos", subtitle = "2020 a 2023", caption = "Fonte: BLIP") ggplotly(act_users) ``` No dado repassado pela BLIP, o número de Usuários Ativos é igual ao número de Usuários Engajados. ```{r} #| label: reshape-acumulado mensagens_enviadas <- gather(usuarios_acumulado %>% select(Primeira_Data, Mensagens_Enviadas_Bot, Mensagens_Enviadas_Usuarios, Mensagens_Enviadas_Total), "Tipo", "value", -Primeira_Data) ``` ```{r} #| label: plot-acumulado-messages total_messages <- ggplot(mensagens_enviadas, aes(Primeira_Data, value, colour = Tipo)) + geom_line() + labs(x = "Data Primeira Interação", y = "", title = "Mensagens Enviadas pelo RepLai", subtitle = "Total entre 2020 a 2023", caption = "Fonte: BLIP") + theme(legend.position = "bottom") total_messages ``` ```{r} #| label: plot-acumulado-messages2 ggplotly(total_messages) ``` ### Interações por usuário ```{r} #| label: usuarios-frequentes usuarios_frequentes <- detalhamento %>% group_by(ID_do_Usuário) %>% summarise(quantidade_interacoes = n()) usuarios_frequentes %>% arrange(-quantidade_interacoes) %>% datatable(rownames = FALSE, filter = "top", escape = FALSE, options = list(pageLength = 10, searchHighlight = TRUE)) ``` * O usuário mais frequente, com 15 momentos de interação com o bot nos anos analisados é Jonas (5521988528375) :P * O número 5511993717191 pertence a Marina e o 5511972430693 a Juliana Removendo essas interações, restam: ```{r} #| label: tabela-usuarios usuarios_frequentes %>% filter(ID_do_Usuário != "5521988528375" & ID_do_Usuário != "5511993717191" & ID_do_Usuário != "5511972430693") %>% arrange(-quantidade_interacoes) %>% datatable(rownames = FALSE, filter = "top", escape = FALSE, options = list(pageLength = 10, searchHighlight = TRUE)) ``` Assim, usuário mais frequente em número de interações entre 2020 e 2023 com o repLai é **5511999197879**. Filtrando as interações desse usuário específico: ```{r} #| label: top1-user top1_user <- detalhamento %>% filter(ID_do_Usuário == "5511999197879") %>% ggplot(aes(x = Primeira_Data, Mensagens_Enviadas_Total)) + geom_line() + labs(x = "Data Primeira Interação", y = "", title = "Total de Mensagens - Usuário 5511999197879", subtitle = "Total enter 2020 a 2023", caption = "Fonte: BLIP") ggplotly(top1_user) ``` E também do segundo mais frequente: ```{r} #| label: top2-user top2_user <- detalhamento %>% filter(ID_do_Usuário == "5521976651022") %>% ggplot(aes(x = Primeira_Data, Mensagens_Enviadas_Total)) + geom_line() + labs(x = "Data Primeira Interação", y = "", title = "Total de Mensagens - Usuário 5521976651022", subtitle = "Total enter 2020 a 2023", caption = "Fonte: BLIP") ggplotly(top2_user) ``` ::: {.callout-note} Elementos de alguns gráficos foram suprimidos (subtítulo, caption) em detrimento do uso de interatividade. ::: ## Referências * Os dados utilizados nesta análise foram enviados pela Take BLIP através de solicitação no suporte ao cliente e estão disponíveis [neste link](https://drive.google.com/drive/folders/1vEKCwlTPfG-lQU34Bps-xWOF1Y2Fhd87).